Análisis, diseño e implementación de tecnología basada en redes neuronales de regresión generalizada para la solución de problemas inversos, aplicada en espectrometría y dosimetría neutrónica

Abstract

El objetivo de este proyecto de investigación fue analizar, diseñar e implementar una herramienta basada en redes neurales de regresión generalizada (GRNN) para predecir el espectro de neutrones y/o cálculo de 15 cantidades dosimétricas usando las tasas de conteo procedentes de un sistema espectrométrico de esferas Bonner como la única información. En las etapas de entrenamiento y prueba, se utilizó un conjunto de datos de 251 espectros de neutrones, tomados de la compilación de la Agencia Internacional de Energía Atómica. Tomando el 80 por ciento de datos para entrenamiento y cincuenta espectros analizados en la etapa de prueba. La herramienta científico-tecnológica diseñada a partir de la tecnología redes neuronales de regresión generalizada capaz de resolver el problema de espectrometría de neutrones con alto rendimiento y capacidad de generalización, fue diseñada bajo el entorno MATLAB. Esta herramienta computacional automatiza el pre-procesamiento de información, las etapas de entrenamiento y prueba, el análisis estadístico y el post-procesamiento de la información. Se comparó el rendimiento de las redes neuronales de propagación hacia delante entrenadas por medio del algoritmo de propagación inversa (RNAPAPI) y GRNN en la solución del problema de espectrometría de neutrones, observando que las GRNN tienen un desempeño mejor que el RNAPAPI.